Multiplatform-Settings 库中清除存储值的正确方式
2025-07-07 12:45:52作者:殷蕙予
在使用 Kotlin Multiplatform 开发跨平台应用时,数据持久化是一个常见需求。multiplatform-settings 库为 KMP 项目提供了简单易用的键值存储解决方案。然而,开发者在使用过程中可能会遇到清除存储值无效的问题,这通常是由于对 API 使用不当造成的。
问题背景
在 multiplatform-settings 库中,当我们需要清除已存储的值时,有几种看似可行但实际上效果不同的方法:
settings.remove("key")settings -= "key"settings["key"] = null
这些方法在普通键值存储场景下可能有效,但当结合 Kotlin 的序列化功能使用时,可能会遇到清除无效的情况。
根本原因
问题的核心在于 multiplatform-settings 库提供了两种不同的存储机制:
- 原始值存储:直接存储基本类型的值(String、Int、Boolean 等)
- 序列化对象存储:通过 Kotlin 序列化框架存储复杂对象
当使用 encodeValue 方法存储对象时,实际上是在使用序列化机制。而要清除这类值,需要使用专门的 removeValue() 方法,而不是普通的 remove()。
解决方案
正确的清除方式应该根据存储方式来决定:
对于原始值存储
// 以下方法均可
settings.remove("key")
settings -= "key"
settings["key"] = null
对于序列化对象存储
// 必须使用 removeValue 方法
settings.removeValue("key")
最佳实践
为了避免混淆,建议在项目中统一使用以下模式:
// 存储对象
settings.encodeValue(
serializer = MyData.serializer(),
key = "my_key",
value = myData
)
// 读取对象
val data = settings.decodeValue(
serializer = MyData.serializer(),
key = "my_key",
defaultValue = MyData()
)
// 清除对象
settings.removeValue("my_key")
注意事项
- 当不确定存储方式时,优先使用
removeValue(),它对两种存储方式都有效 - 清除操作后,建议立即调用
settings.flush()确保更改被持久化 - 在 iOS 平台上,清除操作可能需要额外处理内存管理
通过正确理解 multiplatform-settings 库的存储机制和使用对应的清除方法,可以避免数据清除无效的问题,确保应用的数据管理行为符合预期。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0110- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
717
4.56 K
Ascend Extension for PyTorch
Python
581
710
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
419
356
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.09 K
601
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
662
110
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
963
956
deepin linux kernel
C
28
16
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.62 K
953
昇腾LLM分布式训练框架
Python
153
179
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
141
223